非參數(shù)技術(shù)在生物電信號模式識別中的應(yīng)用

電氣自動化論文編號:ZD762    論文字?jǐn)?shù):19556,頁數(shù):41 ,有任務(wù)書，外文翻譯，程序

目    錄
 
摘要 Ⅰ
Abstract Ⅱ

第1章  緒論 1
 1.1  課題背景 1
        1.1.1  肌電信號及其發(fā)展概況 1
        1.1.2  肌電信號的檢測與分析方法簡介 1
    1.2  模式識別簡介 2
    1.3  模式識別系統(tǒng) 3
        1.3.1  傳感器 3
        1.3.2  特征提取 3
        1.3.3  分類器 3
        1.2.1  后處理 4
第2章  MATLAB簡介 5
 2.1  MATLAB程序設(shè)計語言基礎(chǔ) 5
        2.1.1  MATLAB的基本數(shù)據(jù)結(jié)構(gòu) 5
        2.1.2  MATLAB的基本語句結(jié)構(gòu) 6
        2.1.3  冒號表達(dá)式與子矩陣提取 6
 2.2  基本數(shù)學(xué)運(yùn)算 6
        2.2.1  矩陣的代數(shù)運(yùn)算 6
        2.2.2  矩陣的邏輯運(yùn)算 7
 2.3  MATLAB語言的流程結(jié)構(gòu) 7
 2.3.1  循環(huán)結(jié)構(gòu) 7
        2.3.2  轉(zhuǎn)移結(jié)構(gòu) 8
 2.3.3  開關(guān)結(jié)構(gòu) 8
第3章  總體方案設(shè)計 9
 3.1  課題的任務(wù)及要求 9
        3.1.1  課題的任務(wù) 9
        3.1.2  課題的要求 9
 3.2  表面肌電信號的數(shù)據(jù)采集及特征提取 9
 3.2.1  表面肌電信號的數(shù)據(jù)采集 9
        3.2.2  表面肌電信號的特征提取 9
 3.3  總體方案設(shè)計及實(shí)現(xiàn) 10
 3.4  經(jīng)濟(jì)技術(shù)分析 10
第4章  非參數(shù)技術(shù)及其在表面肌電信號模式識別中的應(yīng)用 11
    4.1  引言 11
 4.2  Parzen窗方法 11
 4.2.1  Parzen窗估計的概念 11
        4.2.2  估計量為密度函數(shù)的條件 12
        4.2.3  窗函數(shù)的選擇 12
        4.2.4  窗寬對估計量的影響 12
        4.2.5  Parzen窗方法在模式識別中的應(yīng)用 13
    4.3  概率神經(jīng)網(wǎng)絡(luò)及其應(yīng)用 15
 4.3.1  概率神經(jīng)網(wǎng)絡(luò) 15
        4.3.2  概率神經(jīng)網(wǎng)絡(luò)在表面肌電信號模式識別中的應(yīng)用 17
    4.4  最近鄰法及其應(yīng)用 19
 4.4.1  最近鄰法 19
 4.4.2  最近鄰法的錯誤率分析 19
        4.4.3  最近鄰法在表面肌電信號模式識別中的應(yīng)用 20
    4.5  K-近鄰法及其應(yīng)用 22
 4.5.1  K-近鄰法 22
 4.5.2  K-近鄰法的錯誤率分析 23
        4.5.3  K-近鄰法在表面肌電信號模式識別中的應(yīng)用 23
    4.6  本章小結(jié) 25
第5章  模糊模式識別及其在表面肌電信號模式識別中的應(yīng)用 26
    5.1  引言 26
 5.2  模糊邏輯推理系統(tǒng)的基本結(jié)構(gòu) 27
    5.3  網(wǎng)絡(luò)結(jié)構(gòu) 27
    5.4  Fuzzy ART算法及其應(yīng)用 30
 5.4.1  Fuzzy ART算法 30
        5.4.2  Fuzzy ART算法在表面肌電信號模式識別中的應(yīng)用 31
    5.5  相似度比較法及其應(yīng)用 33
 5.5.1  相似度比較算法 33
        5.5.2  相似度比較算法在表面肌電信號模式識別中的應(yīng)用 34
    5.6  MMC算法及其應(yīng)用 34
 5.6.1  MMC算法 34
        5.6.2  MMC算法在表面肌電信號模式識別中的應(yīng)用 36
    5.7  FCM算法及其應(yīng)用 36
 5.7.1  FCM算法 36
        5.7.2  FCM算法在表面肌電信號模式識別中的應(yīng)用 37
    5.8  小結(jié) 37
結(jié)論 38
結(jié)束語 39
致謝 40
參考文獻(xiàn) 41

附錄

摘  要
 
 非參數(shù)技術(shù)和模糊模式識別理論是模式識別范疇中的重要分支，在許多領(lǐng)域中被廣泛應(yīng)用。
 本文在對非參數(shù)技術(shù)和模糊模式識別理論進(jìn)行學(xué)習(xí)的基礎(chǔ)上，應(yīng)用MATLAB語言進(jìn)行編程，設(shè)計了基于Parzen窗算法、近鄰法以及模糊方法的分類器，并把模糊模式識別理論引入非參數(shù)技術(shù)中，實(shí)現(xiàn)了組合分類器的設(shè)計，同時把模糊模式識別理論和神經(jīng)網(wǎng)絡(luò)相結(jié)合，完成了模糊神經(jīng)網(wǎng)絡(luò)分類器的設(shè)計。通過比較，本文給出幾種對肌電信號識別效果較好的分類器。實(shí)驗結(jié)果表明本文提出的方法是有效的表面肌電信號的模式識別方法。
 
關(guān)鍵詞：肌電信號，模式識別，非參數(shù)技術(shù)，模糊模式識別，
 神經(jīng)網(wǎng)絡(luò)

Abstract

 There are two important parts in mode identifies category, which is the non- parameter technique and fuzzy modes identify. They are separately used in many widely ranges. 
 It is based on the non- parameter technique and fuzzy mode , program with language of the MATLAB, according the Parzen window arithmetic, the close neighbors method and fuzzy method to designing, and lead the non- parameter to the fuzzy mode technique, then it would completely design classify machine , as the same time it would design the fuzzy nerve network classify machine ,used to the fuzzy mode and the nerve network technology. To the comparison, there are several kinds of classify machines which are have better identifies results for EMG. The result of experiment shows that the method of offering an effective mode identifies method.

Key word:EMG, The mode identify, No-parameter technique,                       
      The fuzzy mode identify, Nerve network